Мы используем технические cookie и статистику посещений: Яндекс Метрику и собственный обезличенный журнал Zorky (cookie zk_aid). Не собираем содержимое форм, текст поиска и полный IP; данные не продаём. Отказаться можно кнопкой ниже, а также через Global Privacy Control или Do Not Track в браузере. Подробнее о cookie и статистике.
Zorky CRMZorky CRM
EN|RU
@termdocs
← Все вакансии

AI-инженер / LLM-инженер

middlehybrid235,000 RUB · период не указанМосква, RUСкор 82.8/100сегодня
Стек
1сbitrixdockerfastapigitlabjiralangchainlanggraphllmpgvectorpostgresqlpython
Показать компанию и ссылку
Бесплатно. Вход по почте.
Откликнуться
Загрузите резюме — мы свяжем вас с работодателем напрямую через нашу базу.
Отправить резюме →
Описание
АО «Мособлгаз» — одна из крупнейших газораспределительных компаний России, приглашает в свою команду AI-инженер / LLM-инженер. Мы развиваем собственную ИИ-платформу для сотрудников компании. Она уже работает и у неё есть реальные пользователи. Модели класса Qwen 100B+ работают на наших серверах в закрытом контуре.Следующий шаг — семантический слой: агенты и RAG поверх данных внутренних информационных систем. Обязанности Разрабатывать агентов на LangGraph: tool calling, многошаговые сценарии, human-in-the-loop, обработка ошибок. Строить RAG по внутренним документам: разбор PDF/DOCX, сканов и таблиц, индексация, гибридный поиск (BM25 + dense), реранкинг. Делать и развивать агентов для корпоративных систем (Bitrix, Jira, Alfresco, Exchange, 1С): text-to-SQL по MS SQL / PostgreSQL, интеграции через REST API. Разбирать ошибки агентов по трейсам, вести регрессионные наборы и метрики качества. Вместе с заказчиками вести решение от прототипа до передачи в эксплуатацию и документировать его. Требования От 2 лет разработки на Python, из них от 1 года — LLM-проекты (агенты, ассистенты, RAG). asyncio, FastAPI, pydantic, тесты. LangGraph, LangChain или аналоги; function calling, structured output, паттерны агентов (ReAct, plan-and-execute, роутинг). RAG на практике: chunking, эмбеддинги, векторный и гибридный поиск (Qdrant, pgvector или аналоги). Понимание ограничений LLM и способов их обходить: контекстное окно, галлюцинации, недетерминизм. Умение решить, где нужна LLM, где достаточно
Полное описание, компания и ссылка на вакансию — после входа. Войти
Контакты работодателя (email/phone/telegram) скрыты из публичного превью — отправьте резюме, чтобы мы связали вас напрямую.
Срочный вопрос? Напишите @termdocs